Réunion n°1

16/11/2021

Lycée Val de Durance à Pertuis

Autour des attendus de productions

Un rappel du cahier des charges est réalisé. En particulier concernant les attentes institutionnelles sur le fond d’une part mais également sur la forme des productions ainsi que le calendrier. Ces attentes ont été communiquées lors de la réunion du groupe national de pilotage des TRAAMs Mathématiques le 1^er octobre 2021. Ces éléments peuvent notamment être consultés à l’adresse :

https://eduscol.education.fr/document/3413/download

Le 21 janvier 2022, le groupe académique se fixe l’objectif d’être en mesure de présenter, au groupe de travail national, sa feuille de route et les premières ébauches de scénarios en cours de phase de tests avec les élèves.

Un point intermédiaire sera fait le 1^er avril 2022.

Le bilan de la première année devra être prêt pour le 3 juin 2022 et les productions finalisées.

Le groupe fixe également des objectifs sur le contenu des scénarios en terme de transférabilité auprès des enseignants qui souhaiteront s’emparer de la situation d’apprentissage. Le groupe souhaite que les scénarios proposés ne perdent pas de vue la place des élèves dans l’activité et leurs objectifs d’apprentissage dans le cadre des enseignements de Mathématiques du niveau visé. Cela devra être bien explicite dans les productions.

Réflexion sur les situations d’apprentissage envisagées pour les travaux académiques

Dans un premier temps, plusieurs noms d’enseignants chercheurs sont évoqués pour bénéficier d’une relecture de nos travaux et avoir un avis sur la pertinence des situations proposées dans le cadre d’un enseignement autour de l’IA dans le cadre des apprentissages en Mathématiques.

Le groupe académique a décidé finalement de contacter M. Benjamin Monmege (Aix-Marseille Université - Laboratoire d’Informatique et Systèmes LIS) pour voir s’il accepte de jouer le rôle de chercheur référent. Le groupe attendra sa réponse pour voir dans quelle mesure, il sollicite ou pas d’autres chercheurs.

Organisation retenue

Après la présentation par chacun des membres des scénarios ou situations d’apprentissage qu’ils ont envisagés, la réflexion menée par le groupe a conduit à décider de la feuille de route suivante :

Production 1 : Un préambule à un travail sur l’IA

Il s’agit d’utiliser une IA de type « Apprentissage machine par réseau de neurone » pour apprendre à reconnaitre des fractions irréductibles. On s’interroge avec les élèves sur la quantité de fractions à fournir, sous la forme de couples (numérateur, dénominateur) pour que la machine finisse par définir correctement si une fraction donnée est ou pas irréductible. Il s’agit de mener une première réflexion autour de la création de biais dans le cadre d’utilisation de ce type d’IA. Il s’agit également de permettre de comprendre le fonctionnement de ce type d’IA en prolongeant ensuite la situation à d’autres types de propriétés mathématiques comme la divisibilité ou règles de calculs (somme de fractions). Des défauts sont malgré tout identifiés et devront être observés notamment dans le fait que, pour cette activité, on ne pourra pas ouvrir « la boite noire » et aller voir sous le capot ce qu’il se passe. On restera dans un travail autour de la quantité de données à apporter. Cela reste, pour le groupe, un premier objectif malgré tout intéressant à faire vivre en classe pour se forger une culture sur les biais en IA et l’activité pourra être enrichie par les travaux interdisciplinaire du groupe IA DRANE. Cette activité utilisera principalement le site https://machinelearningforkids.co.uk/

Production 2 : Le clustering ou le régionement du plan

Il s’agit de produire un parcours de formation du cycle 4 au lycée autour d’un des principes d’utilisation des mathématiques dans le cadre de l’intelligence artificielle. Le scénario envisagé commencera par proposer aux élèves une série de couples d’entiers dont certains sont décrits comme « Rouge » et d’autres « Bleu ». Il s’agira de mener une activité ayant pour but, à la fin du travail, de prédire la qualité (Rouge ou Bleu) d’un couple d’entiers donnés. L’activité au collège sera entièrement débranchée et sera décomposée en deux temps. Le premier aura pour but de faire émerger des stratégies de classifications des points. Ces stratégies seront progressivement éliminées ou renforcées par confrontation à la donnée de nouveaux couples (lien avec le préambule). Le deuxième, après avoir amené les élèves à représenter les données comme un nuage de points, aura pour objectif de faire progressivement caractériser la frontière entre les « zones » rouge et bleue.  Les compétences mathématiques seront, à priori nombreuses, ne serait-ce qu’à travers la démarche manipuler, verbaliser, abstraire et en conduisant les élèves à modéliser les données et la situation. Selon les questions cruciales identifiées et posées, il sera probablement possible de provoquer des situations d’apprentissage autour des fonctions affines, par exemple, en demandant la classification d’un couple d’entiers qui ne rentrerait pas sur la représentation graphique des élèves.

La situation en lycée repart de la fin de l’activité collège. Il s’agit de mettre en œuvre in fine la programmation de l’identification de l’expression de la fonction affine qui partage correctement le nuage de point.

En test

Afin de tenir les exigences de productions, le groupe a réparti ses objectifs sur deux années.

Les productions 1 et 2 sont les objectifs de l’an 1 mais une réflexion et un travail en parallèle est mené sur d’autres scénarios dont le statut pourrait évoluer selon les avancées de productions et la pertinence des tests réalisés. Ainsi, s’ils feront l’objets de publication pour l’an 2, le groupe ne s’interdit pas de les rajouter à la feuille de route de l’an 1, par exemple autour d’avril.

En particulier on peut citer le cas de la situation fabriquée en Scratch, intitulée pour l’instant « Crabes et bananes ». Il s’agit d’une intelligence artificielle codée selon un algorithme dit génétique. L’avantage de la situation est l’objet obtenu qui illustre cycle après cycle l’évolution des capacités de la population de crabes à se nourrir au fur et à mesure des héritages génétiques. L’animation produite en flash est hypnotique et l’on sent la richesse du ressort pédagogique exploitable. Mais fort du questionnement sur le rôle de l’élève dans la situation d’apprentissage, le scénario reste à consolider, la production du code n’étant pas un objectif à priori raisonnable dans une situation d’enseignement en Mathématiques. Plusieurs pistes sont envisagées : un travail d’étude partagé entre plusieurs disciplines. Par exemple SVT, Math et NSI en lycée ou Math et SVT en cycle 4 avec la construction, par les élèves, d’une stratégie d’héritage génétique la plus efficace possible. La réflexion reste à mener compte tenu de l’ensemble des contraintes du TRAAM mais réussir à produire le scénario serait une belle réussite car nous proposerions alors 3 scénarios de travail autour de 3 types d’algorithme utilisés dans l’IA : réseaux de neurone, régression linéaire et algorithme génétique.

Des prolongements sont d’ores et déjà prévus aux productions 1 et 2 selon le rythme d’avancée. Il est souhaité d’étudier la reconnaissance de forme via la méthode de la transformée de Hough. Cela permettrait de faire un lien avec la SNT dans le cadre de la conversion d’image en niveau de gris puis en noir et blanc. Ou bien encore réutiliser les connaissances et les méthodes exploitées de codage autour des fonctions affines. Cela permettrait de poser la question de la vision sur les véhicules autonomes et les méthodes réellement employées.

On peut citer également la volonté d’aborder les probabilités du théorème de Bayes qui semblent fondamentales dans un thème autour des mathématiques pour l’apprentissage de l’intelligence artificielle mais une réflexion doit être menée sur la situation d’apprentissage qui conduirait à motiver la réflexion autour de ces notions.

Le groupe souhaite également se poser la question de la mise en œuvre d’une stratégie gagnante dans le jeu du Chifumi, le thème ayant déjà été abordé dans des travaux académiques lors de l’élaboration d’un plan de formation autour de l’algorithmique.